PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.07187v2cs.CV

EditVerse3D: 영역 인식 학습을 통한 고품질 3D 객체 편집

EditVerse3D: High-Quality 3D Object Editing with Region-Aware Learning

3D 객체의 국소 영역 편집은 오랜 과제로 남아 있습니다. 인간은 3D 콘텐츠와 상호작용할 때 정밀한 편집 경계를 정의하기보다는 수정하려는 대략적인 관심 영역을 지정하는 경향이 있습니다. 그러나 기존 방식들은 완전히 편집된 2D 이미지, 정밀한 3D 마스크, 또는 중복적인 파이프라인에 의존하여 이러한 사용 방식과의 괴리가 존재합니다. 이러한 격차를 해소하기 위해, 본 논문에서는 대략적인 안내(coarse guidance) 하에서도 고품질 객체 편집을 가능하게 하는 새로운 3D 편집 프레임워크인 EditVerse3D를 제안합니다. 제안하는 접근법은 편집할 3D 객체, 대상 영역을 나타내는 대략적인 3D 경계 상자(bounding box), 원하는 수정을 설명하는 참조 2D 이미지를 입력으로 받아 일관되고 충실도 높은 편집된 3D 객체를 생성합니다. 이러한 편집을 촉진하기 위해, 학습(training)하기 어려운 영역을 강조하고 대상 영역과 보존 영역 간의 목표 균형을 맞추는 새로운 영역 인식 적응형 손실(loss)을 도입합니다. 또한 손실 함수를 보완하여 크기가 조절된 3D 마스크를 활용한 학습 및 비현실적인 편집 쌍 필터링과 같은 목표 지향적 데이터 증강을 통해 모델(model)의 견고성과 일반화 능력을 향상시킵니다. 아울러 파트 정보를 바탕으로 대규모 3D 편집 데이터셋(dataset)을 구축합니다. 광범위한 실험을 통해 EditVerse3D가 기존 3D 편집 접근법에 비해 우수한 시각적 품질과 정량적 성능을 달성함을 입증합니다. 프로젝트 페이지는 https://editverse3d.github.io 에서 확인할 수 있습니다.